在R语言中将矩阵转换为双行名结构的方法求助

看起来你是想把这份包含月度气温、经纬度和年份的长格式数据转换成更适合分析的矩阵结构对吧？结合你给出的summary(tuPeru1naomit1)和head(tuPeru1naomit)输出，我给你几个常见场景下的转换方案，你可以根据自己的目标结构调整：

1. 转换为「时间为行、空间点位为列」的宽格式矩阵 #

如果你的目标是把每个经纬度点位作为一列，每一行对应一个具体的年月，值为对应点位的气温，可以用tidyverse包的pivot_wider来实现：

# 加载必要的包
library(tidyverse)

# 第一步：给每条数据生成唯一的时间标识（例如"1980-JAN"）
tuPeru_processed <- tuPeru1naomit %>%
  mutate(time_label = paste(YEAR, Month, sep = "-"))

# 转换为宽格式
tuPeru_wide <- tuPeru_processed %>%
  pivot_wider(
    id_cols = time_label,          # 行标识：年月
    names_from = c(LAT, LONG),     # 列标识：经纬度组合
    values_from = Temp,            # 填充值：气温
    names_sep = "_"                # 列名分隔符，避免格式混乱
  )

# 转换为矩阵（去掉time_label列作为行名）
tuPeru_matrix <- as.matrix(tuPeru_wide[, -1])
rownames(tuPeru_matrix) <- tuPeru_wide$time_label

2. 转换为「空间点位为行、时间序列为列」的矩阵 #

如果需要把每个经纬度点位作为行，每一列对应一个年月，适合单独分析每个点位的时间序列：

tuPeru_processed <- tuPeru1naomit %>%
  mutate(lat_long_label = paste(LAT, LONG, sep = "_"))

tuPeru_space_wide <- tuPeru_processed %>%
  pivot_wider(
    id_cols = lat_long_label,      # 行标识：经纬度组合
    names_from = c(YEAR, Month),   # 列标识：年月
    values_from = Temp,
    names_sep = "-"
  )

tuPeru_space_matrix <- as.matrix(tuPeru_space_wide[, -1])
rownames(tuPeru_space_matrix) <- tuPeru_space_wide$lat_long_label

3. 转换为三维时空数组（更贴合数据结构） #

因为你的数据是三维的（空间+时间+气温），如果矩阵的二维结构不够用，三维数组会更适合：

# 提取所有唯一的维度值
unique_years <- unique(tuPeru1naomit$YEAR)
unique_months <- unique(tuPeru1naomit$Month)
unique_latlong <- unique(tuPeru1naomit[, c("LAT", "LONG")])

# 创建空的三维数组
temp_spacetime_array <- array(
  data = NA,
  dim = c(nrow(unique_latlong), length(unique_years), length(unique_months)),
  dimnames = list(
    paste(unique_latlong$LAT, unique_latlong$LONG, sep = "_"),
    as.character(unique_years),
    unique_months
  )
)

# 填充数组数据
for (i in 1:nrow(unique_latlong)) {
  current_lat <- unique_latlong$LAT[i]
  current_long <- unique_latlong$LONG[i]
  # 筛选当前点位的所有数据
  point_data <- tuPeru1naomit %>% filter(LAT == current_lat, LONG == current_long)
  # 按年月填充气温值
  for (y in unique_years) {
    for (m in unique_months) {
      temp_val <- point_data %>% filter(YEAR == y, Month == m) %>% pull(Temp)
      if (length(temp_val) > 0) {
        temp_spacetime_array[i, as.character(y), m] <- temp_val
      }
    }
  }
}

如果你的目标矩阵结构和上面的都不一样，可以补充说明你的需求（比如矩阵的行、列分别需要代表什么），我再帮你调整方案~

内容的提问来源于stack exchange，提问作者Джимми Мартина